高速3D-DIC在凝灰岩干湿循环损伤演化研究中的应用

来自地质灾害防治与地质环境保护全国重点实验室的科研团队使用高速3D数字图像相关技术(3D-DIC)同步结合声发射(AE)监测,深入研究历经不同干湿循环次数后凝灰岩的裂纹演化规律与损伤退化机理。

1 研究背景

在多雨山区高速公路及边坡工程建设中,凝灰岩等常见火山岩在干湿循环作用下力学性能发生劣化,其内部微裂纹扩展与结构松散,易引发滑坡、崩塌等地质灾害。传统岩石力学试验依赖轴向位移计或应变片测量,难以捕捉岩石表面的不均匀变形及裂纹萌生与扩展。科研团队引入中科君达视界自研的千眼狼(Revealer)高速3D数字图像相关技术(High-Speed 3D-DIC)同步结合声发射(AE)监测,对凝灰岩在干湿循环作用下的损伤演化规律开展了系统性试验研究。

2 试验设备

2.1 单轴加载系统:采用多场耦合干湿循环渗透试验系统完成单轴压缩加载,用于模拟岩石在实际工程中的受力环境。

2.2 声发射(AE)系统:用于捕捉岩石内部裂纹扩展产生的弹性波信号,可分析裂纹活动程度与损伤演化阶段。

2.3 高速3D-DIC测试系统:试验采用千眼狼(Revealer)3D-DIC系统,由2台千眼狼(Revealer)高速摄像机M230组成双目立体测量系统,用于采集试样变形前后的表面散斑图像,计算三维位移场、XY方向应变场。

图1 高速3D-DIC测试系统示意图

3 试验过程

3.1 试样准备

将采集高速公路边坡的凝灰岩加工成直径50 mm、高度100 mm的圆柱体,按6组干湿循环次数(0、1、5、10、15、20次),每组5个试样,制备共30个圆柱体。

3.2 3D-DIC测试流程

在试样表面制作散斑,先喷涂白色哑光底漆,再喷涂黑色哑光漆形成随机散斑。干燥后安装试样,调整高速摄像机位置、光圈和焦距,确保成像清晰。标定后开始加载。

3.3 加载与同步采集

在加载过程中,高速3D-DIC的采集端2台千眼狼(Revealer)高速摄像机M230持续采集试样表面图像,DIC系统实时计算三维位移场并反演应变场,全程记录直至试样破坏。

4 试验数据

单轴压缩加载过程中,千眼狼(Revealer)高速3D-DIC系统完整记录了不同干湿循环次数条件下凝灰岩试样表面三维位移场与XY方向应变场的演化过程:

I. 未经干湿循环(0次)的试样演化:如图2所示。加载初期即裂纹闭合阶段与线弹性阶段(对应第1、2列云图),位移场分布均匀,应变场无明显异常,表明内部微裂纹尚未扩展;进入稳定裂纹扩展阶段后(第3列云图),试样中部逐渐形成局部应变集中区域,对应微裂纹的萌生;该集中区在峰值阶段迅速强化并发展为贯通性主裂纹,裂纹路径基本沿轴向展开,破坏模式呈典型的拉伸破坏特征。

图2 0次干湿循环次数下位移场与XY方向应变场演化

II. 10次干湿循环的试样演化:如图3所示。前2阶段演化类同0次试样,进入稳定裂纹扩展阶段(第3列云图),即可观察到较早出现的应变局部化现象,范围较0次循环明显扩大。峰值阶段(第4列云图),主裂纹两侧出现明显次生裂纹,应变场呈现多条带状分布,位移场开始出现不对称特征,表明内部结构劣化使裂纹扩展路径更加复杂。

图3 10次干湿循环次数下位移场与XY方向应变场演化

III. 15次干湿循环的试样演化:如图4所示。应变场的演化过程呈现更为显著的损伤特征,在稳定裂纹扩展阶段应变集中区域更早形成;峰值阶段形成的裂纹带呈现一定倾斜角度与分叉现象,应变集中区域分布更加离散,显示破坏模式由张-拉主导向张-剪混合破坏模式转变的趋势。

图4 15次干湿循环次数下位移场与XY方向应变场演化

IV. 损伤形态对比:如图5所示。随着干湿循环次数增加,主裂纹通道的次生裂纹数量显著增加,几何形态由简单直裂向多分支、多方向扩展转变,代表宏观破坏模式由单一贯通型向复杂裂隙网络演化。

图5 0次-10次-15次干湿循环次数下峰值阶段损伤对比图

5 试验结论

本次研究利用高速3D-DIC技术对凝灰岩在干湿循环后的单轴压缩破坏过程进行了全场位移与应变监测,并结合AE分析后结论如下:

I. 基于千眼狼(Revealer)高速3D-DIC系统不仅可揭示干湿循环作用下裂纹萌生时间提前与应变局部化增强特征,还能通过位移场与应变场的空间分布变化可视化呈现裂纹路径复杂化和破坏机制演变过程。

II. 高速3D-DIC观测结果与AE演化趋势高度一致(稳定裂纹扩展阶段对应AE计数增加,峰值应力前对应AE能量激增和b值下降),验证其在岩石力学研究中的可靠性。表面应变场与内部损伤信号的协同分析,为深入理解干湿循环作用下凝灰岩的力学行为提供有效测量工具。

III. 基于3D-DIC揭示的裂纹演化特征,为后续建立损伤退化模型提供试验依据,表明高速3D-DIC在岩石力学与工程安全评估中具有广阔应用前景。

相关推荐
小小杨树13 小时前
读懂色彩:拍照调色不再难
算法·计算机视觉·配色
H__Rick2 天前
自动对焦学习-3
人工智能·学习·计算机视觉
计算机科研狗@OUC2 天前
(cvpr26) AIMDepth: Asymmetric Image-Event Mamba for Monocular Depth Estimation
人工智能·深度学习·计算机视觉
qq_366566502 天前
2026最新:5款AI视频口型同步工具实测横评,视频翻译后嘴型对不上的终极解决方案
人工智能·计算机视觉·新媒体运营
梦想三三3 天前
OpenCV银行卡数字识别项目(图像预处理与字符分割)
人工智能·opencv·计算机视觉
kaikaile19953 天前
图像稀疏化分解 + 压缩感知(CS)重建 MATLAB
开发语言·计算机视觉·matlab
武子康3 天前
调查研究-180 roboflow/supervision:计算机视觉工程里的“胶水层“,为什么值得关注?
人工智能·opencv·计算机视觉·chatgpt·llm·向量化
YOLO数据集集合3 天前
无人机风电设备智能巡检 风机叶片缺陷目标检测数据集实战 | 表面腐蚀漏油识别 工业视觉质检 深度学习模型训练落地10337期
人工智能·深度学习·目标检测·计算机视觉·无人机
装不满的克莱因瓶3 天前
【工业领域】了解目标检测基本流程——从数据到部署的完整工程化思路
人工智能·python·深度学习·机器学习·计算机视觉·目标跟踪·工业领域